电容层析成像技术图像重建算法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究的目的和意义 | 第10-11页 |
| 1.2 电容层析成像技术的研究现状 | 第11-14页 |
| 1.2.1 ECT流型辨识的研究现状 | 第12-13页 |
| 1.2.2 ECT成像算法的研究现状 | 第13-14页 |
| 1.3 课题来源及研究内容 | 第14-15页 |
| 1.3.1 课题来源 | 第14页 |
| 1.3.2 课题主要研究内容 | 第14-15页 |
| 第2章 电容层析成像系统原理 | 第15-34页 |
| 2.1 电容层次成像系统的组成 | 第15-17页 |
| 2.1.1 电容传感器 | 第15-16页 |
| 2.1.2 数据采集系统 | 第16-17页 |
| 2.1.3 图像重建系统 | 第17页 |
| 2.2 ECT正反问题 | 第17-22页 |
| 2.2.1 ECT正问题 | 第17-21页 |
| 2.2.2 ECT反问题 | 第21-22页 |
| 2.3 有限元求解方法 | 第22-26页 |
| 2.3.1 几何剖分 | 第22-24页 |
| 2.3.2 线性分片与插值 | 第24-26页 |
| 2.4 ECT图像重建的数学原理 | 第26-27页 |
| 2.5 ECT图像重建准则 | 第27-28页 |
| 2.6 常用ECT图像重建算法 | 第28-32页 |
| 2.6.1 线性反投影法 | 第29页 |
| 2.6.2 正则化Tikhonov方法 | 第29-30页 |
| 2.6.3 Landweber方法 | 第30-31页 |
| 2.6.4 共轭梯度算法 | 第31页 |
| 2.6.5 Gauss-Nowton法 | 第31-32页 |
| 2.6.6 SVM向量机方法 | 第32页 |
| 2.7 图像的评价指标 | 第32-33页 |
| 2.7.1 相对图像误差 | 第32-33页 |
| 2.7.2 电容残差 | 第33页 |
| 2.7.3 图像相关系数 | 第33页 |
| 2.8 本章小结 | 第33-34页 |
| 第3章 基于神经网络的ECT流型辨识 | 第34-46页 |
| 3.1 流型分析与特征提取 | 第34-37页 |
| 3.2 流行识别的基本原理 | 第37-38页 |
| 3.3 基于粗神经网络的流型辨识 | 第38-45页 |
| 3.3.1 粗神经网络原理 | 第38-40页 |
| 3.3.2 ECT流型的特征提取 | 第40-41页 |
| 3.3.3 粗神经网络的训练及测试步骤 | 第41-44页 |
| 3.3.4 仿真与实验结果 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 基于卷积神经网络的ECT图像重建 | 第46-56页 |
| 4.1 卷积神经网络 | 第46-49页 |
| 4.2 改进的卷积神经网络算法 | 第49-51页 |
| 4.3 实验过程与结果分析 | 第51-55页 |
| 4.3.1 仿真实验环境的设计 | 第52-53页 |
| 4.3.2 实验过程及结果分析 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间发表的学术论文 | 第63-64页 |
| 致谢 | 第64页 |
